【报告】数据聚类实验报告(附代码).docx

试验题目： 数据聚类试验 |精. |品. |可. |编. |辑. |学. |习. |资. |料. * | * | * | * | |欢. |迎. |下. |载. 试验目的 明白常用聚类算法及其优缺点； 把握 k-means 聚类算法对数据进行聚类分析的基本原理和划分方法； 利用 k-means 聚类算法对“ ch7 iris.txt ”数据集进行聚类试验； 熟识使用 matlab 进行算法的实现； 试验步骤 算法原理 聚类就是依据某个特定标准 ( 如距离准就 ) 把一个数据集分割成不同的类或簇， 使得同一个簇内的数据对象的相像性尽可能大， 同时不在同一个簇中的数据对象的差异性也尽可能地 大；即聚类后同一类的数据尽可能集合到一起，不同数据尽量分别； k-means 是划分方法中较经典的聚类算法之一；由于该算法的效率高，所以在对大规模数据进行聚类时被广泛应用；目前，很多算法均环围着该算法进行扩展和改进； k-means 算法以 k 为参数，把 n 个对象分成 k 个簇，使簇内具有较高的相像度，而簇间 的相像度较低； k-means 算法的处理过程如下：第一，随机地 挑选 k 个对象，每个对象初始地代表了一个簇的平均值或中心 ; 对剩余的每个对象，依据其与各簇中心的距离，将它赋给最近的簇 ; 然后重新运算每个簇的平均值； 这个过程不断重复，直到准就函数收敛； 通常，采纳平方误差准就，其定义如下： k E p i 1 p Ci  2 mi ，这里 E 是数据集中全部 对象的平方误差的总和， p 是空间中的点， mi 是簇 Ci 的平均值；该目标函数使生成的簇尽 可能紧凑独立，使用的距离度量是欧几里得距离 , 当然也可以用其他距离度量； 本试验便采纳 k-means 聚类方法对样本数据对象进行聚类； 该方法易实现， 对不存在极大值的数据有很好的聚类成效，并且对大数据集有很好的伸缩性； 算法流程 本试验采纳的是 k-means 聚类算法，类中心的挑选基于簇中对象的平均值； 猎取用户的类中心数目 k 和具有 n 个对象的数据集； 任意选取 k 个对象作为初始的簇中心； 依据簇中对象的平均值，将每个对象重新赋给最类似的簇； 更新簇的平均值，即类中心，重新运算每个簇中对象的平均值； 假如新的平均值发生转变，转至（ 2）步； 新的平均值不在发生转变，算法聚类终止； 2.2 算法流程图 开 始挑选 开 始 挑选 k 值，选取 k 个 对象作为平均值 聚 类 对新生成的簇重新 运算平均值 新的平均 值转变 N 结 束 |品. |可. |编. |辑. |学. |习. |资. *|料. * | Y * | * | * | |欢. |迎. |下. |载. 图 1 k-means 算法流程图 k-means 算法流程图，如图 1 所示； k-means 算法中的 k，由用户输入， 最终得到的类别数即为用户输入的数目； 聚类过程中， 涉及到初始类中心的挑选； 在程序中， 对于类中心， 是挑选前 k 个作为初始类中心， 对于数据的组织， 前 k 个数据有较大差别， 可以提高程序的运行效率和分类结果的精确率； 试验结果分析 在试验中，利用 k-means 聚类算法对“ ch7 iris.txt ”数据集进行聚类试验；当 k=3 时， k-means 算法聚类成效如图 2 所示： |精. |品. |可. |编. |辑. |学. |习. |资. |料. * | * | * | * | |欢. |迎. |下. |载. 图 2 k=3 时聚类成效当 k=4 时， k-means 算法聚类成效如图 3 所示： 图 3 k=4 时聚类成效 |精. |品. |可. |编. |辑. |学. |习. |资. |料. * | * | * | * | |欢. |迎. |下. |载. K- means 聚类算法的收敛性和初值的选取有关；初始的聚类中心的不同，对聚类结果没有很大的影响，而对迭代次数有显著的影响；数据的输入次序不同，同样影响迭代次数，而对聚类结果没有太大的影响； 试验结论 K - means 聚类算法对于类别数的挑选 k 值有较高的要求，假如类别数较少，就不能区分数据； K - means 聚类算法找出平均误差最小的 k 个划分；当结果簇是密集的，而簇与簇 之间的区分明显时， 它的成效较好； 该算法只有在簇的平均值被定义的情形下才能使用； 对 于初始类中心的挑选， 特殊重要； 对于分类的精确度和距离影响明显； 而且该算法对孤立点是敏锐的；所以假如数据集中存在有极大值的对象，应当排除这种敏锐性； 试验心得体会 1、初始值可的选取 K- means 聚类算法 对于类别数目的挑选，需要使用该算法的人员对于数据分类有肯定 的明白，并且可以依据观看部分原始抽样数据，